Забродин Олег Юрьевич Инженер 1-й категории Филиала ООО «ЛУКОЙЛ-Инжиниринг» «КогалымНИПИнефть» в г. Тюмени

Актуальность развития интеллектуальных систем обусловлена целым рядом преимуществ их применения, в том числе – улучшением качества прогнозирования возможных проблем, оперативностью корректировки поставленных задач, комплексным подходом к решению текущих вопросов, сокращением производственных потерь путем своевременного принятия решений и уменьшением негативного влияния человеческого фактора.

Разумеется, применение новых технологий всегда связано с новыми трудностями, возникающими при реализации поставленных задач. В частности, к ним можно отнести сложности с интеграцией новых технологических процессов в существующие программные комплексы, необходимость частичного переориентирования персонала, а также дополнительную финансовую нагрузку.

На рис. 1. представлена непрерывная цепочка взаимозависимых производственных процессов на месторождении, три из которых предлагается улучшить путем их частичной интеллектуализации. Особое внимание хотелось бы обратить на этап под названием «Разработка мероприятий».

Планирование мероприятий по оптимизации режима работы скважин для обеспечения соответствия фактической добычи плановой или повышения добычи требует комплексного подхода. Прежде всего, следует выяснить, по какой причине возникла необходимость в проведении дополнительных мероприятий в конкретной скважине. Вполне вероятно, что изначально были заложены некорректные исходные данные, так как для расчета параметров глубинно-насосного оборудования (ГНО) необходима актуализированная информация, поскольку именно от этого зависит его последующая эксплуатация и наработка. Не исключено также, что в процессе эксплуатации произошли изменения пластовых параметров. В этом случае возникает необходимость адаптации режимов ГНО к новым условиям. Также могли ухудшиться эксплуатационные условия, например, усилиться такие процессы, как коррозия, солеотложение, образование АСПО и пр.

СБОР И АНАЛИЗ ИНФОРМАЦИИ

Исходя из практического опыта для определения причины, по которой возникла необходимость оптимизации технологических процессов, необходимо собрать большой объем данных и тщательно его проанализировать. Улучшить качество и упростить данную задачу предлагается путем внедрения информационно-аналитической системы принятия решений.

Для этого необходимо создать базу данных (БД), в которую будет вноситься информация о работе каждой отдельной скважины: текущие параметры, история технологических режимов эксплуатации, акты разборов, парк оборудования и др. Кроме этого, пополнение БД будет производиться с использованием банков данных ТМС, архивных данных, информации, поступающей от программных комплексов, например, ПТК «Насос» или «Автотехнолог» (рис. 2).

Очень многое зависит от того, где и как хранится информация. Располагая общей базой с многофакторными данными, можно создать алгоритм со множеством направлений для анализа. В частности, это выявление причин отклонения параметров эксплуатации, прогнозирование режимов эксплуатации скважин, эффективность уже проведенных и планирование новых мероприятий, а также расчет потенциала скважин.

ВИЗУАЛИЗАЦИЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ

Пример пополнения и актуализации банка данных показан на рис. 3. Скважина эксплуатируется в течение 26 месяцев. На протяжение этого периода было зафиксировано семь случаев отказа ГНО. После четвертого отказа мы провели отбивку забоя, показавшую частичное перекрытие интервала перфорации. При детальном разборе в сервисном центре в рабочих органах насоса были найдены механические примеси, засорение которыми и привило к преждевременному отказу оборудования. Подобные данные из актов разборов будут внесены в базу.

Таким образом, по всем скважинам планируется сбор данных, влияющих на последующие решения алгоритма. Также следует отметить, что эксплуатация нескольких скважин может характеризовать объект в целом – в этом случае уже на первоначальном этапе можно минимизировать объем сбора информации.

Предложенный алгоритм представлен на рис. 4. В данном случае продемонстрированы три расчетные модели с возможными вариантами причин отклонения в зависимости от эксплуатационных параметров скважины, дебита жидкости, давления на приеме насоса, температуры двигателя и показаний тока. Дальнейшие внутрискважинные мероприятия планируются и разрабатываются с учетом информации, собранной со скважин осложненного фонда. Отметим, что на рис. 4. показана лишь малая часть расчетных данных алгоритма. В перспективе планируется добавлять и корректировать действия программы, и устранять противоречия, неизбежные на первых этапах внедрения.

МОНИТОРИНГ ТЕКУЩЕГО СОСТОЯНИЯ ЭКСПЛУАТАЦИИ СКВАЖИН

На рис. 5. представлен пример эксплуатации скважины в течение 17 суток. Выделены три основных этапа эксплуатации скважины. В период с первого по десятый день условия работы насоса характеризовались незначительными отклонениями (расчет алгоритма – положительный). Далее, с одиннадцатого по пятнадцатый день параметры работы изменились, в частности, ухудшились эксплуатационные характеристики насоса, произошло падение дебита жидкости. Алгоритм показывает, что необходимо выполнить комплекс мероприятий по устранению причин такого ухудшения. Затем, начиная с шестнадцатого дня условия эксплуатации стали критическими. Система сигнализирует о том, что в ближайшее время произойдет отказ оборудования. После система выполнила прогноз дальнейшей эксплуатации, опираясь на полученную и собранную информацию.

Мониторинг текущего состояния скважин подразумевал контроль заданных параметров отклонения (например, в процентном соотношении фактического и нормируемого дебитов жидкости или нефти).

Реализация контроля эксплуатации реальной скважины показана на рис. 6. В данном случае фактические параметры работы скважины №1257 также отличались от заложенных паспортных данных насоса. Видно, что отклонение не критичное, но при этом достаточное для вхождения в условную «желтую» зону. При этом алгоритм из всех возможных причин выделяет приоритетную, также как и рекомендуемое мероприятие, окрашивая ее красным. Это связанно с тем, что ранее в базу данных вносилась информация о том, что при разборе оборудования было обнаружено большое содержание механических примесей в рабочих органах насоса, работавшего в данной скважине. Помимо этого, здесь же планируется выводить и другую информацию, включая прогнозную (в случае сохранения текущих условий) и потенциальную. На рис. 6 эти данные попали в «красную» зону, поскольку в скважине происходил вынос породы из пласта и система не рекомендует увеличивать объем добываемой жидкости.

ОПЫТ ВНЕДРЕНИЯ СИСТЕМЫ МОНИТОРИНГА ГНО В ТПП «КОГАЛЫМНЕФТЕГАЗ»

На сегодняшний день в ТПП «Когалымнефтегаз» внедрена система, позволяющая осуществлять автоматизированный мониторинг текущего состояния скважин. Данная система может поддерживать заданные параметры эксплуатации скважины в оптимальном режиме работы ГНО. При нарушении заданного режима система вносит автоматические корректировки, приводя изменяющиеся параметры в соответствие норме.

Система способна выявлять критические состояния, но при этом в ней отсутствуют возможности для анализа и прогнозирования дальнейшей эксплуатации.

Предлагаемая методика подразумевает накопление статистической информации о выходах оборудования из строя и выявленных дефектах, на основе которой в результате работы алгоритма формируется прогнозное решение о дальнейшей работе системы «пласт-скважина-насос».

В настоящее время мы формируем базу данных: обрабатываем истории эксплуатации скважин от начала снижения дебита до их отказа, привязываем к ним акты разборов. Количество скважин очень велико, поэтому учитывается определенный набор параметров, на основе которых создается шаблон для оценки текущей работы любой из скважин в реальном времени. Другими словами, мы формируем источник информации для алгоритма. Также прописываем команды, например, при совпадении отклонения ряда текущих параметров с моделью из банка данных алгоритм определяет причины отклонения и предлагает варианты программ дальнейших мероприятий.